Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | 7 |
8 | 9 | 10 | 11 | 12 | 13 | 14 |
15 | 16 | 17 | 18 | 19 | 20 | 21 |
22 | 23 | 24 | 25 | 26 | 27 | 28 |
29 | 30 |
Tags
- Tomek links
- 국비지원교육
- 밀도 기반 이상탐지
- GAN
- One-Sided Selection
- Meta heuristic
- PM4Py
- multi modal
- Condensed neares neighbor rule
- Generative modeling
- auto encoder
- Process Mining
- Data Imbalance
- 병리 AI
- Fixed Learning
- Random Undersampling
- Inatance segmentation
- 딥러닝
- Sequence data
- Digital Pathology
- Grad-CAM
- Petri net
- SQL 데이터 분석 첫걸음
- 프로세스 마이닝
- XAI
- 거리 기반 이상탐지
- OCSVM
- Text generation
- Gausian Density Estimation
- Clustering 기반 이상탐지
Archives
- Today
- Total
목록isolation forest (1)
Create Opportunities

Novelty : 본질적인 데이터는 같지만 유형이 다른 관측치를 말한다. Annomaly : 대부분의 데이터와 본질적인 특성이 다른 관측치를 말한다. (전혀 다른 방식으로 생성되었을 것으로 추정) 이상치 탐지는 어떻게 하는 것일까 ? 가장 기본적으로 생각할 수 있는 것은 정상과 불량을 구별할 수 있는 모델을 만드는 것이다. 변수들의 값들을 기반으로 y 레이블이 0인지 1인지, 지도학습 기반으로 이상치를 탐지할 수 있다. Logistic Regression 이나 Gradient Boosting 모델 등의 분류 모델을 사용할 수 있다. 하지만, 특정 데이터가 정상인지 불량인지 Label을 정확히 모르는 경우에는 이를 적용하는데 한계가 있다. 비지도 학습 기반 이상치 탐지에는 다양한 방법론이 존재한다. 1. ..
이상 탐지
2022. 8. 29. 01:54